R与t分布（3） 分布的检验

我们依然用Kolmogorov-Smirnov连续分布检验法来检验一个连续分布是否是服从t分布。

原假设为H0:数据集符合t分布
研究假设H1:样本所来自的总体分布不符合t分布。
令F0(x)表示预先假设的理论分布，Fn(x)表示随机样本的累计概率(频率)函数.

统计量D为: D=max|F0(x) - Fn(x)|

D值越小，越接近0，表示样本数据越接近t分布
p值，如果p-value小于显著性水平α(0.05)，则拒绝H0

> set.seed(1000)
> data<-rt(1000, 1,2)
> ks.test(data, "pt", 1, 2)

	One-sample Kolmogorov-Smirnov test

data:  data
D = 0.0254, p-value = 0.5389
alternative hypothesis: two-sided

结论: D值很小, p-value>0.05，不能拒绝原假设，所以数据集data符合自由度为=1, ncp=2的T分布